[发明专利]统一资源定位符URL指纹特征的提取方法及装置

权利要求书

1.一种统一资源定位符URL指纹特征的提取方法，所述方法包括：

基于目标URL的字符信息确定目标URL所对应的第一向量；其中，所述第一向量包括所述目标URL中的各个字符所对应的分向量；

确定所述目标URL中的URL共性结构信息和URL非共性结构信息，并根据所述URL共性结构信息、所述URL非共性结构信息和所述第一向量，确定所述目标URL所对应的第二向量；其中，所述第二向量为表征所述目标URL的结构的向量；

根据所述第一向量和所述第二向量，确定所述目标URL所对应的指纹特征。

2.如权利要求1所述的方法，所述根据所述第一向量和所述第二向量，确定所述目标URL所对应的指纹特征，包括：

对所述第一向量和所述第二向量进行融合处理，得到所述第一向量和所述第二向量所对应的融合向量，将所述融合向量确定为所述目标URL所对应的指纹特征；

或者，

对所述第一向量和所述第二向量进行融合处理，得到所述第一向量和所述第二向量所对应的融合向量；按照设定编码算法对所述融合向量进行压缩处理，将压缩后的融合向量确定为所述目标URL所对应的指纹特征。

3.如权利要求2所述的方法，所述对所述第一向量和所述第二向量进行融合处理，得到所述第一向量和所述第二向量所对应的融合向量，包括：

确定所述第一向量所对应的第一权重系数和所述第二向量所对应的第二权重系数；

根据所述第一权重系数和所述第二权重系数计算所述第一向量和第二向量的加权和向量，将所述加权和向量作为所述融合向量。

4.如权利要求3所述的方法，所述确定所述第一向量所对应的第一权重系数和所述第二向量所对应的第二权重系数，包括：

计算所述目标URL中各个字符所对应的结构掩码值的和值；其中，所述结构掩码值位于第一数值和第二数值之间的范围内；

计算所述和值与所述目标URL的长度的比值；其中，所述目标URL的长度表征所述目标URL所包含字符的个数；

将所述比值确定为所述第一权重系数，将设定数值与所述第一权重系数的差值确定为所述第二权重系数。

5.如权利要求1所述的方法，所述确定所述目标URL中的URL共性结构信息和URL非共性结构信息，包括：

将所述第一向量输入至预先训练的孪生神经网络模型中进行处理，获取所述孪生神经网络模型输出的结构掩码序列；其中，所述结构掩码序列中的各个结构掩码值位于第一数值和第二数值之间的范围内，且所述结构掩码值的个数与所述目标URL的长度一致；所述结构掩码值靠近所述第二数值时表征所述目标URL中对应位置处的字符属于所述URL共性结构信息，所述结构掩码值靠近所述第一数值时表征所述目标URL中对应位置处的字符属于所述URL非共性结构信息；

根据所述结构掩码序列，确定所述URL共性结构信息和所述URL非共性结构信息。

6.如权利要求1所述的方法，所述根据所述URL共性结构信息、所述URL非共性结构信息和所述第一向量，确定所述目标URL所对应的第二向量，包括：

针对所述URL共性结构信息所包含的各个字符，从所述第一向量获取所述字符所对应的分向量，以及，针对所述URL非共性结构信息所包含的各个字符，使用指定分向量作为所述字符所对应的分向量或者使用所述目标URL中同类型字符所对应分向量的平均值作为所述字符所对应的分向量；其中，字符类型包括大写字母、小写字母、数字和符号；

将所述URL共性结构信息中各个字符所对应的分向量和所述URL非共性结构信息中各个字符所对应的分向量组成所述第二向量。